Rémi Kokabi27. November 20259 Min. LesezeitAktualisiert: 7. Okt. 2026

Was ist Lead Scoring? Das 77 %-ROI-Modell (+ kostenlose Scoring-Vorlage)

Unternehmen, die Lead Scoring einsetzen, erzielen laut MarketingSherpa einen um 77 % höheren ROI bei der Lead-Generierung als Unternehmen ohne Scoring. Diese Zahl wird ständig zitiert, meistens ohne Quellenangabe. Jetzt haben Sie sie. Und was niemand erwähnt: Die meisten Teams, die diese Statistik anführen, haben kein Scoring-Modell, dem ihre Vertriebsmitarbeitenden tatsächlich vertrauen. Sie haben eine Tabelle, die niemand öffnet.

Ich habe das mehr als einmal erlebt. Ein Modell wird in Q1 gebaut, das Sales-Team ignoriert es ab Q2, und alle arbeiten wieder den Lead ab, der zuletzt geantwortet hat.

In diesem Leitfaden zeige ich Ihnen, wie Sie ein Lead-Scoring-Modell aufbauen, dem Ihr ganzes Team vertraut, wie Sie messen, ob es sich tatsächlich auszahlt, und wo Sie die langweiligen Teile an die Automatisierung abgeben können.

Was ist Lead Scoring?

Lead Scoring bedeutet, Ihren Leads numerische Werte zuzuweisen, um sie zu priorisieren.

Wenn Sie Leads richtig priorisieren, können Sie für jede Stufe eine personalisierte Strategie entwickeln. Außerdem erkennen Sie, welche Leads mehr Nurturing brauchen und welche so viel Zeit kosten würden, dass sie vermutlich nie konvertieren.

Das ist wichtig, denn Prospecting-Zeit ist teuer. Salesforce berichtet, dass Vertriebsmitarbeitende in einer durchschnittlichen Woche 9 % ihrer Zeit mit der Recherche von Prospects verbringen, 8 % mit Prospecting und 8 % mit der Priorisierung von Leads und Opportunities. Ein Viertel der Woche ist weg, bevor ein einziges echtes Gespräch stattfindet. Ein funktionierendes Scoring-Modell holt diese Zeit zurück.

Mit den richtigen Strategien und der Fähigkeit, Ergebnisse bis zu einem gewissen Grad vorherzusagen, arbeitet Ihr Team effizienter und die Conversion-Raten steigen.

Es gibt mehrere Bewertungssysteme, die Sie ergänzend zum Scoring nutzen können.

  • Lead-Qualifizierung: eine weitere Methode zur Priorisierung Ihrer Leads, allerdings ohne numerische Werte. Sie ist subjektiver und funktioniert am besten in Kombination mit Lead Scoring.

  • Lead Grading: Diese Methode priorisiert Leads anhand demografischer Daten. In Ihrem ICP (Ideal Customer Profile) definieren Sie Ihre Buyer Persona sowie Unternehmens- und Lead-Informationen für eine saubere Bewertung. Lead Grading verwendet Buchstaben statt Zahlen.

Explizite vs. implizite Daten

Bevor Sie einen einzigen Punkt vergeben, teilen Sie Ihre Daten in zwei Kategorien auf. Wie Wikipedia es beschreibt, umfassen Lead-Scoring-Modelle sowohl explizite als auch implizite Daten: Explizite Daten werden vom oder über den Prospect bereitgestellt, während implizite Scores aus der Beobachtung des Prospect-Verhaltens abgeleitet werden.

Explizite Daten sind das, was auf der Visitenkarte steht. Jobtitel, Unternehmensgröße, Branche, Land, Tech-Stack. Sie zeigen Ihnen, ob der Lead passt.

Implizite Daten sind Verhalten. E-Mail-Öffnungen, Demo-Anfragen, Besuche auf der Pricing-Seite, LinkedIn-Kommentare. Sie zeigen Ihnen, ob der Lead interessiert ist.

Fit ohne Interesse ergibt einen perfekten Prospect, der Sie ghosten wird. Interesse ohne Fit ergibt eine begeisterte Person, die nie Budget haben wird. Sie brauchen beide Spalten im Modell, und genau deshalb gibt es multidimensionales Scoring.

Arten von Lead Scoring

Eindimensionales Lead Scoring

Eindimensionales Lead Scoring folgt einem einfachen System: Sie klassifizieren Leads mit einem numerischen Score von 1 bis 100.

  • Retrospektives Scoring

Mit jeder Aktion des Leads (E-Mail öffnen, LinkedIn-Posts kommentieren, Demo anfragen) erhält der Lead einen Score. Dieser Score verändert sich je nach nächstem Schritt.

  • Prädiktives Scoring

Hier kommt Verhaltensanalyse ins Spiel. Basierend auf dem bisherigen Verhalten des Leads vergeben Sie einen Score, der zukünftige Aktionen vorhersagt und einschätzt, ob der Lead Ihre Unternehmensziele und Kriterien erfüllt.

Kein System ist perfekt. Besonders dann nicht, wenn Sie mit großen Datenmengen arbeiten, die sich aufgrund ihrer Komplexität und Subjektivität nicht immer auf eine Zahl reduzieren lassen.

Deshalb halten viele Praktiker:innen einen eindimensionalen Score für unzureichend und ungenau. Dem stimme ich zu, mit einer Einschränkung: Wenn Sie Ihre ersten 200 Leads scoren und keine historischen Daten haben, ist ein einfaches 1-100-Modell besser als gar keins. Starten Sie damit, dann upgraden Sie.

Multidimensionales Lead Scoring

Multidimensionales Lead Scoring ist fortgeschrittener. Es basiert auf mehreren Faktoren oder Dimensionen und liefert so eine deutlich vollständigere Bewertung.

Die Dimensionen können umfassen:

  • Demografische Faktoren wie Alter, Jobtitel, Branche, Standort oder Unternehmensgröße.

  • Interaktion mit Ihrem Unternehmen. Website-Besuche, Downloads oder Verweildauer auf Ihrer Seite. Lange Verweildauer auf der Pricing-Seite kann bedeuten, dass Ihr Lead ernsthaft einen Kauf in Betracht zieht.

  • Engagement mit Ihrer Marke, sowohl über Social Media als auch per E-Mail.

  • Vorwissen über Ihr Produkt oder Ihre Dienstleistung.

  • Tech-Stacks, die das Unternehmen des Leads nutzt.

  • Kaufabsicht oder andere Hinweise darauf, dass Ihr Lead nach Ihrer Lösung sucht.

  • Position im Sales-Funnel.

Wenn Sie jeden Lead bewerten, müssen Sie auch die Gewichtung der einzelnen Dimensionen festlegen. Das Engagement eines Leads (Verhalten) kann in manchen Fällen wichtiger sein als der demografische Fit.

Ihr Gesamt-Lead-Score ist die Kombination aller Dimensionen, ausgedrückt als ein übergreifender Wert.

Diese Methode liefert eine umfassendere Einschätzung des potenziellen Werts eines Leads.

Account Scoring

Das Scoring von Einzelpersonen funktioniert, bis Sie an Buying-Committees verkaufen. Bei den meisten B2B-Deals sind fünf oder sechs Personen an der Entscheidung beteiligt, und keine einzelne Person liefert allein genug Signal.

Account Scoring aggregiert die Einzel-Scores auf Unternehmensebene. Ein Analyst, der ein Whitepaper herunterlädt, ist Rauschen. Ein Analyst, der ein Whitepaper herunterlädt, ein VP, der die Pricing-Seite besucht, und eine Einkaufsverantwortliche, die in derselben Woche drei E-Mails öffnet: Das ist ein Account mit aktivem Kaufinteresse.

Wenn Sie ABM betreiben, ist das der Score, mit dem Ihr Team arbeiten sollte. Einzel-Scores zeigen Ihnen, wen Sie innerhalb des heißen Accounts ansprechen. Der Account-Score zeigt Ihnen, welche Accounts überhaupt eine Multichannel-Sequenz verdienen.

Score Decay

Scores veralten. Ein Lead, der im März eine Demo angefragt hat und seitdem schweigt, ist nicht derselbe Lead wie einer, der gestern eine Demo angefragt hat. Trotzdem behandeln die meisten Modelle beide gleich.

Score Decay (oder Degradation) behebt das, indem Punkte abgezogen werden, sobald Verhaltenssignale altern. Eine einfache Variante: Verhaltenspunkte verlieren alle 30 Tage Inaktivität 25 % ihres Werts, während explizite Punkte (Jobtitel, Unternehmensgröße) stabil bleiben. Ein CEO ist im nächsten Quartal immer noch ein CEO.

Ohne Decay füllt sich Ihre Highscore-Liste mit veralteten Datensätzen, und Ihre Vertriebsmitarbeitenden hören auf, dem Modell zu vertrauen. Ich habe erlebt, dass das mehr Scoring-Programme zerstört hat als falsche Punktgewichtung.

So bauen Sie ein Lead-Scoring-Modell auf

1. Definieren Sie Ihren ICP

Bevor Sie beginnen, müssen Sie genau wissen, was Sie bei einem Lead suchen und was den perfekten Lead ausmacht.

Mit dem kostenlosen Buyer-Persona-Generator von lemlist erstellen Sie Ihren ICP in wenigen Sekunden.

Wenn Sie der generierten Buyer Persona folgen, bleibt Ihr Lead Scoring im gesamten Prozess und über das gesamte Team hinweg konsistent und präzise.

2. Relevante Faktoren definieren

Ob eindimensionales oder multidimensionales Scoring: Sie müssen wissen, welche Faktoren für Ihr Team und Ihr Produkt relevant sind.

Wenn Sie nur die relevantesten Faktoren berücksichtigen, bleiben Ihre Leads so zielgerichtet wie möglich.

3. Leads bewerten

Sobald Sie wissen, welche Faktoren zählen, legen Sie fest, wie wichtig jeder einzelne ist, indem Sie ihm einen numerischen Wert zuweisen.

Sie könnten entscheiden, dass ein Head of Sales +20 Punkte wert ist, während ein Marketing-Kontakt +5 Punkte bekommt, da er in der Regel nicht die Kaufentscheidung trifft.

Sie können auch pro Interaktion mit Ihrem Content Punkte vergeben. Ein Profilbesuch könnte +1 Punkt bringen, ein Kommentar und Repost +10 Punkte pro Beitrag.

Vergessen Sie beim Zuweisen von Werten nicht die negativen Scores.

Nicht alles zählt positiv. Manche Aktionen sollten den Score eines Leads senken.

Zum Beispiel: Abmeldung von Ihrem Newsletter, öffentliches Engagement mit Ihren Wettbewerbern oder ein irrelevanter Jobtitel.

So könnte das Scoring eines Leads aussehen:

Faktoren des Leads

Score

Jobtitel: CEO

+20

Unternehmensgröße: 500+ Mitarbeitende

+15

Website-Besuch (mehrere Seiten)

+5

LinkedIn-Posts kommentiert (nach Ressourcen gefragt)

+10

Produkt-Demo angesehen

+10

Von E-Mails abgemeldet

-10

4. Aktionen für jeden Lead definieren

Um zu wissen, welche Richtung Sie mit Ihren Leads einschlagen, legen Sie Parameter rund um die Scores fest:

  • Leads mit einem Score von 80 oder höher gelten als SQLs und werden ans Sales-Team übergeben.

  • Leads mit einem Score zwischen 50 und 80 gelten als MQLs und brauchen möglicherweise mehr Nurturing.

  • Leads mit einem Score unter 50 sind nicht qualifiziert oder relevant.

So wissen Sie, welchen Ansatz Sie bei jedem Lead wählen, und können beobachten, wie sich Leads durch den Sales-Funnel bewegen.

5. Den ROI Ihres Modells messen

Diesen Schritt überspringen die meisten Teams. Dabei entscheidet er darüber, ob Ihr Modell das erste Quartal überlebt.

Bevor Sie das Modell aktivieren, notieren Sie drei Baseline-Zahlen aus den letzten 90 Tagen:

  • Ihre SQL-zu-Opportunity-Conversion-Rate.

  • Ihre durchschnittliche Time-to-Close.

  • Die Anzahl der Leads, die jede:r Vertriebsmitarbeitende pro Woche bearbeitet hat.

Dann lassen Sie das Modell einen vollständigen Sales-Zyklus laufen und messen dieselben drei Zahlen erneut.

Wenn die SQL-zu-Opportunity-Conversion steigt, sind Ihre Schwellenwerte richtig gesetzt, und Ihre Mitarbeitenden arbeiten mit besseren Leads. Wenn die Time-to-Close sinkt, erfasst Ihr Scoring Prospects früher im Kaufzeitfenster. Wenn Ihre Mitarbeitenden weniger Leads bearbeiten, aber denselben Umsatz abschließen, haben Sie Verkaufszeit zurückgewonnen. Genau daher kommt der 77 %-Anstieg, den MarketingSherpa berichtet.

Wenn sich keine der drei Zahlen bewegt, liegt es nicht am Konzept. Gehen Sie zurück zu Schritt 3 und prüfen Sie Ihre Gewichtungen. Meistens trägt eine Dimension viel zu viele Punkte.

Wiederholen Sie diese Messung jedes Quartal. Kaufverhalten ändert sich, und ein Modell, das Sie nie überprüfen, wird zu einem Modell, dem niemand vertraut.

Lead Scoring mit lemlist

Leads manuell zu scoren kostet Zeit und sorgt für Diskussionen. Ein Tool, das die Organisation für Sie übernimmt, zahlt sich schnell aus. lemlist hat 4,6 / 5 auf G2 bei über 2.000 Bewertungen.

Die AI Variables von lemlist ermöglichen es Ihnen, einen einzelnen Prompt auf alle Ihre Leads anzuwenden. Dasselbe Prinzip wie ein ChatGPT-Prompt, nur dass Sie damit Ihre Lead-Daten direkt manipulieren.

Das spart Ihnen Stunden, die Sie sonst mit dem Einfügen einzelner Leads in ChatGPT verbringen würden.

Ein Beispiel: Leads anhand des Jobtitels scoren.

Schritt 1: Leads importieren aus der über 600 Mio. Kontakte umfassenden Lead-Datenbank von lemlist (oder aus einer CSV-Datei, sofern sie Jobtitel enthält).

Schritt 2: Gehen Sie zur Lead-Liste Ihrer Kampagne, klicken Sie auf „Enhance leads" und dann auf AI Variable.

Schritt 3: Benennen Sie die AI Variable „Lead score".

Schritt 4: Verwenden Sie diesen Prompt: „Please score the lead based on their {{jobTitle}}. Use a scoring system of 1-3, with 1 being the position with the most authority and 3 with the least authority."

Sie sehen nun einen Score für jeden Lead in der Spalte „Lead score" Ihrer Kampagnen-Lead-Liste.

Damit ist eine Dimension abgedeckt. Die Möglichkeiten sind hier vor allem durch Ihre Kreativität begrenzt. Testen Sie Prompts zuerst an einem einzelnen Lead, um zu sehen, was möglich ist.

Die Buyer-Intent-Dimension automatisch scoren

Jobtitel sind explizite Daten. Sie zeigen Fit, nicht Timing. Für Timing brauchen Sie Verhalten, das außerhalb Ihrer eigenen Website passiert. Und genau hier scheitern die meisten manuellen Modelle, weil niemand Zeit hat, 500 Unternehmen auf Hiring-Änderungen oder Funding-News zu prüfen.

Intent Signal Agents tracken High-Intent-Events und zeigen sie in einer Echtzeit-Watchlist an. Statt dass ein:e Vertriebsmitarbeitende:r manuell +10 Punkte vergibt, wenn ein Prospect eine Finanzierungsrunde abschließt oder ein neues Büro eröffnet, landet das Signal sofort bei Ihnen. Sie können die Sequenz starten, solange das Zeitfenster offen ist.

Das ist Ihre Buyer-Intent-Dimension, kontinuierlich befüllt statt einmal pro Quartal.

Firmografische und technografische Dimensionen automatisch befüllen

Unternehmensgröße, Finanzierungsphase, Tech-Stack. Jedes multidimensionale Modell braucht diese Spalten, und jede Ops-Person hat schon ein Wochenende damit verbracht, sie von Hand zu füllen.

AI Agentic Enrichment zieht Lead-Kontext von Websites, LinkedIn und CRM-Systemen, sodass die firmografischen und technografischen Felder bereits befüllt ankommen. Ihre Scoring-Regeln lesen direkt aus diesen Feldern.

Kombinieren Sie alle drei, und das Modell hört auf, eine Tabelle zu sein, die Sie pflegen müssen. Enrichment füllt die Fit-Spalten, Intent-Signale füllen die Timing-Spalten, und AI Variables wenden die Scoring-Logik auf die gesamte Liste an.

Fazit

Damit Ihr Lead-Scoring-Prozess strukturiert bleibt, arbeiten Sie diese Checkliste ab:

✅ Lead-Scoring-Typ festlegen

✅ Sicherstellen, dass Ihr ICP klar definiert ist

✅ Parameter und Faktoren festlegen

✅ SQL-zu-Opportunity-Conversion vorher und nachher messen

✅ Mit Ihren Leads aktiv werden

Am letzten Punkt scheitern die meisten Scoring-Projekte. Ein perfekt gewichtetes Modell, auf dessen Basis niemand Kampagnen fährt, ist nur eine sehr ordentliche Liste von Personen, die Sie nie kontaktiert haben. lemAgent schließt diese Lücke, indem es die Kampagne für Ihre bewerteten Leads automatisch erstellt. So bekommen die Accounts mit dem höchsten Score eine Multichannel-Sequenz statt eines Platzes auf einem Dashboard.

Scoren, Sequenz starten, dann ein Lead-Nurturing-System für alle aufbauen, die noch nicht bereit sind. Das ist der gesamte Kreislauf.

14 Tage kostenlos testen und bringen Sie Ihre erste bewertete Lead-Liste noch diese Woche in eine Kampagne.

Finde Daten zu deinen Leads

Entdecke Prospects und reichere ihre Daten an, um gezielte Kampagnen zu starten.

Rémi Kokabi

Rémi Kokabi

Co-founder @GTM Club

Beitrag teilen